Python Merge函数原理及用法解析

merge函数的用法

简单来说merge函数相当于excel中的vlookup函数。当我们对2个表进行数据合并的时候需要通过指定两个表中相同的列作为key，然后通过key匹配到其中要合并在一起的values值。

然后对于merge函数在pandas中分为1vs1, 多(m)vs1，以及多(m)vs多(m)这三种场景。但是平时用的最多的往往是多vs1的这种场景。也就是说2个表中其中一个表作为key的值会出现重复，而另外一个表作为key的值则是唯一。

这种场景也很好理解。例如：我们在生产环境中对服务器进行管理，一台服务器上可能装了各种各样的软件。那么如果是excel表格来管理的话一个软件就占用一行信息。而服务器名是相同的。所以一个相同的服务器名就会出现多个。

这台服务器上安装了多少个软件，服务器名就会重复几次，也就是最终有几行。那么另外一个表要想读取这台服务器上安装的所有软件，那么服务器名就要作为key，各个软件的信息则是value值。最终被读取写入的那张表的key只能唯一。

我们看下面这个案例，是真实多v1的案例。为了数据安全我只能把截图分享给大家，并把服务器名遮掩希望大家谅解。

数据表1：作为查询的总表，其中服务器名这列就是b列中的信息会出现重复

数据表2：下表为按照表1的key就是hostname来匹配，匹配到后按照表2的列名来读取信息写入到表2.这里同上因为服务器名敏感，所以也用马赛克挡住了，忘谅解。

代码演示：

1. 读取表1，表2中的内容，作为dataframe赋值给变量

#%%

import pandas as pd

#读取表1
df01 = pd.read_excel("./datas/new_all_datas.xlsx",
           header=5)
df01.head()

#%%

#读取表2
df02 = pd.read_excel("./datas/new_software_inputsheet.xlsx")
df02

#%%

2. 通过merge函数合并两个dataframe。on代表指明拿什么作为key来进行匹配。how这里分为left,right,inner,outer等方式。这里left代表按照表1为主表进行合并。

#%%
#ホスト名作为key来匹配两个表,相当于vlookup函数
#how=left代表以left左表为主,这里则代表表二为左表
df03 = pd.merge(df02,df01,on="ホスト名",how="left")
df03

结果：合并结果如下。但是因为表1，表2中出现重复元素的列名，因此合并后pandas会按照后缀，把相同列名按照_x,_y的方式生成多列。

3. 去除没用的列并按照条件查询想要的数据. 下列需求是按照服务器名，找出对应的"ソフトウェア名"也就是software名为trend micro的软件以及"ソフトウェア製造元"software制造商为symantec的所有行。

#%%
#因为表中有相同的列名因此自动后缀被加上了_y
#下面代表筛选查询范围，以及指定查询值
df03 = df03.loc[:,["ホスト名","行*","ソフトウェア区分_y","ソフトウェア名_y","ソフトウェアバージョン_y","ソフトウェア製造元_y"]]
df04 = df03[(df03["ソフトウェア名_y"]=="trend micro") | (df03["ソフトウェア製造元_y"]=="symantec")]

#重新把列名设定换一下然后输出
df04.columns = ["ホスト名","行*","ソフトウェア区分","ソフトウェア名","ソフトウェアバージョン","ソフトウェア製造元"]
df04

结果：

4. 将数据导出到excel文件

#%%

with pd.excelwriter("./datas/output_mergedatas.xlsx") as writer:
  df04.to_excel(writer,index=false)
  print("done!!")

结果：当然也可以直接导入到数据表2中去。我这里为了不破坏原表，因此作为新的excel表导出了。

大家在日常业务中，如果遇到类似场景可以尝试通过merge函数来合并您的数据。还可以结合loc切片以及写下来要发表的pivot,pivot_table透视表来更加丰富的对数据进行清洗。

总体而言用惯了pandas后会感觉相比excel中的函数及宏。pandas会更加的灵活也更加的强大。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。